[发明专利]一种基于智能单目视觉的舞台摇头灯运动协调性分析方法

权利要求书

1.一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：所述方法中硬件设备包括：一台用于采集舞台摇头灯在运动时视频数据的广角摄像头和一台计算机，所述方法为：广角摄像头输入的视频图像，通过目标检测深度神经网络、几何变换、边缘检测、全连接神经网络以及CNN回归网络算法，最终，获取灯头的运动偏角。

2.根据权利要求1所述的一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：具体包括如下步骤：

1)数据采集：通过广角摄像头拍摄多台被测的舞台摇头灯，得到舞台摇头灯接收控制指令后的运动视频；

2)检测每台舞台摇头灯的位置和图像：通过目标检测深度神经网络，找到每帧图像中的舞台摇头灯的位置，并截取每一个舞台摇头灯的图片；

3)寻找底座四角坐标：使用边缘检测算法，从步骤2)截取后的图片中寻找出底座四角的坐标；

4)寻找屏幕四角坐标：通过已有的底座四角的坐标，经过几何变换和边缘检测，寻找到屏幕四角的坐标；

5)获取底座偏角：通过底座四角的坐标和屏幕四角的坐标，使用全连接神经网络，得到底座的偏角；

6)灯头相对偏角：将步骤2)中获取的舞台摇头灯照片缩放到合适尺寸，并通过CNN回归网络，得到灯头相对偏角；

7)获取灯头偏角：最终通过步骤6)中灯头相对偏角和步骤5)中底座偏角相减，得到灯头相对于底座的偏角，分析舞台摇头灯的运动参数，方便对比与存储。

3.根据权利要求2所述的一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：所述广角摄像头采用高分辨率高帧率广角摄像头。

4.根据权利要求2所述的一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：所述步骤2)中目标检测深度神经网络采用Fast-RCNN神经网络、Faster-RCNN神经网络或YOLO神经网络。

5.根据权利要求2所述的一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：所述步骤2)中使用已经训练过多种物体检测和分类的网络模型作为基础，然后，使用一定数量的标注过该类灯具设备位置的图片作为训练数据，对网络模型进行进一步训练，直到准确的框选出灯具设备。

6.根据权利要求2所述的一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：所述步骤5)中，训练的样本为步骤3)和步骤4)中获取的坐标，样本标签为灯座与相机传感器平面的偏角，该角度通过人工测量，或者使用深度摄像机检测底座正面所在平面的夹角，全连接神经网络输入的数据是步骤3)和步骤4)中的八个坐标，输出为灯座的偏角。

7.根据权利要求2所述的一种基于智能单目视觉的舞台摇头灯运动协调性分析方法，其特征在于：所述步骤6)中CNN回归网络通过对多层的AlexNet或者是ResNet修改，使他们适应回归任务，输出灯头的角度。